Análisis bayesiano de datos mal clasificados en presencia de covariables

• Autores: Jacinto Martín Jiménez , Carlos Javier Pérez Sánchez
• Localización: XXXI Congreso Nacional de Estadística e Investigación Operativa ; V Jornadas de Estadística Pública: Murcia, 10-13 de febrero de 2009 : Libro de Actas, 2009, ISBN 978-84-691-8159-1
• Idioma: español
• Texto completo no disponible (Saber más ...)
• Resumen

  • En muchas ocasiones, la recogida de datos esta sujeta a errores de clasi cacion. Estos errores introducen un sesgo en los estimadores de los modelos que no los consideran. La situacion ideal para tratar estos modelos es la comparacion con un modelo sin errores. Sin embargo, en general, esto no es posible. En este trabajo presentamos un analisis bayesiano de datos mal clasi cados en presencia de covariables. En concreto, extendemos los modelos lineales generalizados a este tipo de datos. Cuando se analizan estos datos sin covariables suelen surgir modelos con parametros no identi cables y el uso de distribuciones a priori informativas permite analizar el modelo de modo e ciente. Cuando tenemos variables explicativas, el modelo se vuelve identi cable y podemos utilizar distribuciones a priori no informativas. Analizamos, tambien, la especi cidad y sensibilidad de un test, relacionandolos con los errores de clasi cacion.